基于區塊鏈的電網溫室氣體排放數據溯源技術

強東盛張立軍劉克成韓鶴松

(國網河北省電力有限公司電力科學研究院,河北 石家莊 050021)

0 引言

隨著人類科技水平的不斷進步,人們對于電力的需求越來越大[1]。荷蘭環境評估組曾在全球二氧化碳評估報告中提出,中國在2006年排放的二氧化碳較去年同比增長11.8%,首次成為世界第一大碳排放國。電網作為我國電力運輸的設備,每年運輸電力時引起的溫室氣體排放量巨大。如何有效降低電網運行時的溫室氣體成為電力運輸領域亟待解決的問題之一。這時,對電網溫室氣體排放數據進行溯源成為解決該項問題的重中之重。

章志明[2]等人提出安全有效的無線傳感器網絡溯源數據方法。該方法首先分析了無線傳感網絡節點數據,利用數據包恢復網絡的傳輸路徑;再根據恢復結果對網絡的惡意節點以及攻擊數據進行安全性分析,最后通過分析結果實現對網絡數據的溯源。該方法由于未能在數據溯源前對數據影響因素進行分析,導致該方法溯源時間長。

劉申[3]提出基于分布式MySQL的PC構件數據溯源方法設計。該方法首先以MySQL為基礎,利用Zoo Keeper分布式搭建法搭建一個數據溯源平臺;再基于搭建的平臺對MySQL分表、讀寫分離、負載均衡等部分進行設計完善;最后將采集的數據放入該平臺中進行測試,通過測試結果完成數據溯源。該方法在搭建平臺時,存在一定偏差,所以該方法在數據溯源時,電網系統的吞吐量小。

喬蕊[4]等人提出基于聯盟鏈的物聯網動態數據溯源機制。該方法為解決網絡中動態數據的安全問題,構建了物聯網安全數據存儲模型;再將實體多維授權與動態數據的結合形成雙聯盟鏈結構;最后通過節點列表共識算法,獲取了動態數據的溯源機制,實現數據溯源。該方法在構建數據存儲模型時存在一定偏差,所以該方法在溯源時的可靠性較差。

區塊鏈具有分布式數據存儲、點對點傳輸、共識機制、加密算法等功能,可解決上述數據溯源方法中存在的問題。因此,本文提出了一種基于區塊鏈的電網溫室氣體排放數據溯源技術。

1 電網的排放因子

1.1 OM 排放因子

電量邊際排放因子簡稱“OM”。依據國家有關規定,可將基準線排放因子EFy分為容量邊際EFBMy以及電量邊際FOMy兩類排放因子。基于我國的電網來說,規模較小的可再生發電項目,在獲取電網調度數據時,往往較為復雜。因此需要多種方法對電量的邊際排放因子進行獲取。通常情況下,要利用簡單的OM 法對電力系統的簡單電量邊際排放因子進行獲取,過程如式(1)所示

式中:電網在第y年的電量邊際排放因子標記成EFgrid,OMsimple,y;第i種燃料的消耗總量標記成FCi,y;第y年第i種燃料的凈熱值標記成NCVi,y;排放因子標記成EFCO2,i,y;電網的年提供電量標記為EGy;燃料種類為i,數據歷史年限為y。

1.2 計算方法

在計算電網溫室氣體排放量時[5],若直接使用簡單OM 方法,對致使計算出的溫室排放氣體出現偏差,導致的氣候變化出現影響,所以需要提出具有真實準確性的電力排放因子計算方法。

首先設定電網產生的碳排放[6]為電網的全部碳排放,并將式(1)改為式(2)所示

式中:電網在第y年的排放因子為EFgrid,y;第i種燃料的消耗量為FCi,y;凈熱值為NCVi,y,第y年的GHG 排放因子標記成EFGHG,i,y;其中GHG 排放因子包括CO2、SF6。過程中EFCH4與EFN2O要與之對應的全球增溫潛勢值相乘,依據結果將其轉化為CO2當量,電力系統向電網輸入的電量標記成EGy。

通常情況下,電網在電量輸入時,與上述過程相同,在電網排放的溫室氣體中加入其他電網的輸入電量以及相對應的輸出電量的排放因子相乘,從而獲取電網溫室氣體總排放量,再將獲取的總排放量除以輸入輸出的電量和,取得的結果就是電網的排放因子。

2 數據溯源技術

2.1 構建模型

基于區塊鏈共識機制,構建電網系統的不變網絡模型。

2.1.1 區塊鏈共識機制

區塊鏈共識機制[7]也可稱作區塊鏈的一致性問題,在進行電網溫室氣體排放數據溯源前,需要通過POW 共識機制構建電網系統的不變網絡模型。

POW 共識機制是一種具有不對稱性的經濟對策。通常情況下,需要經過一定的復雜運算,快速的對電網數據進行驗證。該共識機制需要記錄電網系統所有節點運動軌跡,并幫助新區塊鏈的快速生成,從而提高數據的溯源效率。

該機制算法簡單,系統節點之間不需復雜轉換就可直接達成共識。

2.1.2 不變網絡模型

電網系統需要通過不變網絡的無線圖模型,結合區塊鏈POW 共識機制對電網運行數據中的時間序列進行擬合,構建電網系統的不變網絡模型。過程中,電網系統中的時間序列對被映射成模型中的節點,通過一定的整合過程,組成電網系統的功能單元。

首先設定電網系統中存在A、B2個電流強度,二者之間的關系如式(3)所示

式中:A、B2個電流強度在t時刻的產生數值標記成xt( ) 和yt( ) ;時間序列在t時刻的時刻數值標記成m和n;模型系數為ai和bi;A、B之間的電流延時標記成k;二者在逼近狀態T下的強度值為φt( ) ;電流系數為θ。

根據上述計算結果,采用最小二乘法[8]獲取模型預測值與實際值之間的擬合誤差,結果如式(4)所示

式中:時間序列的平均值標記成;電網系統模型的預測值標記成( ) ;模型擬合程度用F_netθ( ) 形式表示;時間序列的數量為N。

將F_netθ( ) ≥70設定為時間序列之間存在的不變鏈接,并依據模型的大小對成m、n、k的取值范圍進行劃定,根據劃定的取值范圍完成時間序列不變鏈接的檢測,結果如式(5)所示

式中:時間序列不變鏈接檢測值為R t( ) ;不變網絡模型的擬合誤差標記成εmax。

2.2 注入溫室氣體排放因子

利用半監督的傳播算法,將上述獲取的電網系統排放因子注入進不變網絡模型中。設定不變網絡模型中的時間節點為M,排放因子為Fi,模型的擴散過程如下。

(1)依據模型中時間序列節點之間的不變連接,生成鄰接矩陣W,生成矩陣過程中,有下列幾種情況。

當時間序列xi和xj之間存在不變鏈接,則二者之間矩陣Wij=1;當xi和xj之間無法生成不變鏈接時,Wij為0。設定Wii=0,以此避免模型進行自身傳播。

(2)基于上述分析結果,構建鄰接矩陣W的標準化矩陣,結果如式(6)所示

式中:對角矩陣標記為D,對稱矩陣為W,標準化矩陣為。

(3)進行排放因子注入建模。首先需要將電網年均排放因子的數值與總排放因子的數值進行計算,獲取模型的約束條件,過程如式(7)所示

式中:約束因子標記成α;排放因子在0時刻的排放的溫室氣體量為F0( ) ;Wii為矩陣中第i行第i的排放量。

(4)設定能夠容納的排放因子極限為F*,根據式(8)獲取擴散后的排放因子擴散程度

式中:電網中第t時刻的排放因子標記為F t( ) ;擴散系數標記成I形式。

2.3 局部擬合

基于上述的排放因子擴散結果,將排放因子進行排序處理,排名越高說明該排放因子排放的溫室氣體量越高。

將排列順序與該電網系統的時間序列進行擬合,從而完成對電網溫室氣體排放數據的溯源。二者之間的擬合程度如式(9)所示

式中:電網系統中排放溫室氣體最高的n個節點以及m個組件的組合標記成VD;溫室氣體的實際排放量為N,擴散后的排放量為N′;xi節點注入排放因子后標記為of_xi形式;歐氏距離標記為D(N) ;余弦距離標記為cos(N) 。

設定fitscorexi為電網排放因子與時間序列的擬合分數,并通過式(10)完成擬合分數的計算

式中:歸一化函數[9]標記為Norm;各個排放因子的排放量標記成N;擴散后的排放量;獲取的擬合分數越低,說明擬合效果越好;xi為根源性的時間序列的可能性就越大。最后,通過計算出的擬合分數,完成對電網溫室氣體排放數據的溯源。

3 試驗與結果

為了驗證上述溫室氣體排放數據溯源方法的整體有效性,需要對此方法進行測試。

3.1 試驗情況

為了驗證基于區塊鏈的電網溫室氣體排放數據溯源技術的有效性,對其進行了一次實驗分析。測試的環境是:i5-23203.00 GHz的i5-23203.00 GHz處理器、4 GB 內存、Windows7旗艦版本64位操作系統、postgreSQL9.1.3、Java語言編寫程序。分別采用基于區塊鏈的電網溫室氣體排放數據溯源技術(方法1)、安全有效的無線傳感器網絡溯源數據方法(方法2)、基于分布式MySQL 的PC構件數據溯源方法設計(方法3)進行測試。

3.2 結果及分析

(1)系統的所在環境,對數據溯源時間會產生一定的影響。設定高溫環境為環境1,低溫環境為環境2,采用方法1、方法2以及方法3對數據的溯源時間進行測試,測試結果如圖1所示。

圖1 不同方法的數據溯源時間檢測結果

分析圖1可知,數據數量的不同,系統數據的溯源時間也不相同。整體來看,低溫環境中所檢測出的溯源時間要高于高溫環境,方法3是3種方法中,溯源時間最長的溯源方法。方法2雖然檢測出的溯源時間低于方法3,但是不論在高溫環境中,還是在低溫環境中,所檢測出的溯源時間皆高于方法1。方法1所檢測出的溯源時間低于方法2以及方法3。因此,方法1在進行系統數據溯源時的溯源時間短。

(2)系統在進行數據溯源時,會對系統的吞吐量產生影響。采用方法1、方法2以及方法3對系統吞吐量進行測試,測試結果如圖2所示。

圖2 不同方法在數據溯源時的電網吞吐量檢測結果

分析圖2可知,隨著溯源時間的不斷增長,系統的吞吐量出現不同程度的下降趨勢。綜合來看,在低溫環境中,溯源時間對系統的吞吐量影響較大,高溫環境中,溯源時間對系統的吞吐量影響低于低溫環境。方法1在數據溯源時,對系統吞吐量產生的影響小于其他2種方法。由此可知,方法1 在進行電網溫室氣體排放數據溯源過程中,對電網系統吞吐量產生的影響小。

(3)基于上述試驗結果,對方法1、方法2和方法3對數據溯源過程中的可靠性進行分析,實驗結果如圖3所示。

圖3 不同溯源方法的可靠性檢測結果

分析圖3可知,隨著實驗次數的不斷增加,3種溯源方法的可靠性均有所下降。實驗初期,3種方法檢測出的可靠性差距不明顯,但是隨著實驗次數的增加,3種溯源方法的可靠性出現差距,方法3的可靠性較差,方法2檢測出的可靠性高于方法3,方法1的可靠性較其他2種方法來看,高于其他2種方法。這主要是因為方法1在進行數據溯源前,分析了數據的影響因素,所以該方法在數據溯源時的可靠性高。

4 結論

由于電網溫室氣體排放數據溯源方法中存在溯源時間長等問題,提出一種基于區塊鏈的電網溫室氣體排放數據溯源技術。利用簡單的OM 法對電力系統的簡單電量邊際排放因子進行獲取,通過節點列表共識算法,獲取了動態數據的溯源機制,通過不變網絡的無線圖模型,結合區域塊共識機制對電網運行數據中的時間序列進行擬合,構建電網系統的不變網絡模型。實現對電網溫室氣體排放數據的溯源,該方法由于在排放因子注入過程中還存在一定問題,今后會針對該項缺陷繼續對該方法進行優化。